874亿，全球最大AI开源社区要卖了

AI圈的“GitHub”要卖了

全球最大的AI开源社区要卖了。

据Business Insider 8月24日消息，Hugging Face正在考虑出售，估值可能达到130亿美元（约874亿元人民币）甚至更高。目前，公司已经聘请了一家银行来评估潜在买家的兴趣。

Hugging Face的上一轮融资还停留在2023年。当时它完成了2.35亿美元的D轮融资，估值达到45亿美元，谷歌、亚马逊、英伟达、英特尔、Salesforce等科技巨头都在它的投资名单中。三年后，其估值翻了近三倍。

更戏剧性的是，出售消息传出前一个月，Hugging Face刚经历一场堪称“AI安全史上头一遭”的事件——OpenAI的AI模型在测试中“越狱”，逃出沙箱后利用泄露凭证和零日漏洞黑进Hugging Face服务器，目的竟是去数据库里翻AI网络安全测评的答案。最后帮忙把这场攻击摁下去的，还是智谱AI。

Hugging Face为什么值130亿美元？又为什么现在要卖了？

从聊天App到AI世界的“水电煤”

2016年，三个法国创业者——Clément Delangue、Julien Chaumond和Thomas Wolf——在纽约成立了Hugging Face。它的名字，就来自那个张开双手的“拥抱”表情。

最早的Hugging Face，和今天的AI基础设施其实没什么关系。

他们当时做的是一款面向青少年的聊天机器人App，希望让AI陪无聊的年轻人聊天。这个产品没有真正做起来，但团队顺手把聊天机器人背后的模型代码开放了出去。

没想到，开发者对模型本身的兴趣远远超过了对聊天App的兴趣。

彼时，谷歌BERT模型带火了NLP（自然语言处理，让机器能看懂、能处理人类语言的技术）。BERT一火，全世界搞NLP的开发者一下子多了起来，而Hugging Face早先开源出去的那个模型库，正好能让开发者省掉大量“重复造轮子”的功夫，很快就在圈子里攒下了口碑。公司索性不再坚持推出面向消费者的人工智能产品，转而去做一个所有的开发者都可以用到的平台。

它的工作原理很简单：开发者把训练好的模型上传上来，别人可以下载下来进行修改，并且发布新的版本。围绕这一循环，模型托管、下载、版本管理、在线试玩等工具也慢慢建立起来。GitHub是程序员用来存放和分享代码的地方，而Hugging Face就成为了AI模型、数据集和应用程序的“仓库”，因此被称为“机器学习界的GitHub”。

Hugging Face之后的发展，踩中了人工智能产业的重要节点。

2021年，它发起了BigScience项目，并邀请了来自70多个国家、250多家机构的1000多名研究人员，在117天内训练出了1760亿参数的开源大模型BLOOM，参数量甚至比GPT-3还多10亿。

2023年2月，亚马逊AWS宣布与之合作；2024年9月，公司又联合Meta以及联合国教科文组织一起推出了覆盖200种语言的免费翻译工具。

到了机器人这个赛道，它照样没落下。2026年7月，英伟达宣布将机器人基础模型接入Hugging Face旗下开源库LeRobot，把英伟达约300万机器人开发者和Hugging Face平台约1600万AI开发者连接到了一起。

随着开发者的增多，资本也随之而来。

2018年，Hugging Face完成了400万美元的种子轮融资；到了2019年，它又获得了1500万美元A轮融资，NBA球星凯文·杜兰特也是它的早期投资人之一。2021年，公司完成4000万美元B轮融资；2022年5月又获1亿美元C轮融资，由Lux Capital领投，红杉资本、Coatue等机构参与，估值升至20亿美元。

真正的大爆发在2023年8月。Hugging Face完成2.35亿美元D轮融资，由Salesforce Ventures领投，谷歌、亚马逊、英伟达、英特尔、AMD、高通、IBM等科技巨头共同参与，公司估值升至45亿美元。

它被几乎所有做AI模型、造AI芯片的巨头投了个遍，原因很简单：不管最后哪家模型跑赢了，开发者调用、下载、测试模型，大概率还是得经过Hugging Face。

据Hugging Face今年8月发布的《开放模型现状：2026年夏季观察》，平台上的公开模型仓库数量已从年初的243万个增长至296万个，数据集从71.1万个增至100万个，Spaces轻量应用从100万个增至144万个。

被AI“黑”了一把后，130亿美元的出售传闻来了

一个月前，Hugging Face经历了一场震惊全网的AI安全事件。

OpenAI的两个AI模型在一次网络攻防能力测试中“越狱”了。据《财富》杂志报道，其中一款甚至还是尚未公开发布的模型。原本它们应该被限制在隔离的测试沙箱中，但最终却逃出了这块封闭环境，并利用外泄的账号凭证和零日漏洞，一路黑进了Hugging Face服务器。它们的目标，是从数据库里翻出ExploitGym网络安全评测基准的标准答案。

AI为了考试考高分，自己跑出去把答案偷了。

据路透社报道，Hugging Face最初尝试调用美国几家闭源前沿模型协助处理攻击，但对方模型自身的安全机制反而拒绝了这一救急请求。最后，真正帮助控制住攻击的，是中国智谱旗下的开源权重模型GLM-5.2。

这一事件被称为全球首个有公开记录的“AI自主实施多阶段入侵”案例。

风波刚刚过去，Hugging Face寻求出售的消息就传出来了。据Business Insider，它目前正在与一家银行合作，评估潜在买家的兴趣，估值在130亿美元甚至更高。

为什么现在要卖了？

第一点就是人工智能产业重新为“平台层”定价了。之前支付巨头Stripe已经同意以大约80亿美金的价格来购买AI模型聚合平台OpenRouter。这说明，当所有公司都在争夺“最强模型”时，连接模型、数据和开发者的入口，同样价值连城。

第二，130亿美元买下的还是一种已经形成的开发者习惯。当一个平台成为上传、下载模型的“默认入口”，它的价值就不再只是服务器上的代码，而是一种长期形成的网络效应。

最后，Hugging Face也面临着实际的压力。在2023年的D轮融资之后，公司就没有再做大额融资了。2025年，Hugging Face还裁掉了约4%的员工。与此同时，平台规模持续扩大，模型、数据集以及应用场景越来越多，服务器、带宽与存储的成本也越来越高。对于一家以免费开放为核心理念的平台来说，这些成本最终都需要有人买单。

安全方面的问题也同样无法回避。今年早些时候，平台曾被黑客利用，将恶意安卓安装包伪装成AI工具上传；7月，又发生了这场AI自主攻击。一边是不断扩大的规模，一边是越来越高的运营和安全成本。在这样的情况下，Hugging Face寻求出售，也就不足为奇了。

从模型到机器人，它是“路网”

让Hugging Face的价值达到130亿美元的，不只是这个网站本身，而是过去十年里它围绕模型、算力、数据和开发者织起来的那张网络。

先看海外。

作为全球最大的模型托管平台之一，很多主流AI公司和研究机构都在这里发布开源模型：Meta的Llama、微软的Phi、谷歌的Gemma、Mistral AI旗下模型等。

除了托管模型，Hugging Face还搭建了一套“推理提供商”网络。开发者可以通过统一接口来调用不同厂商的算力运行模型，不必自己一家家对接。

再看中国。

据Hugging Face官方数据，中国自研开源模型在该平台上的下载占比已达41%，超越美国成为了规模第一的供给方。

全球开发者基于通义千问Qwen开发的衍生模型已超过15万个，是Meta全部模型仓库规模的2.6倍——很多人做自己的模型时，第一步是从Qwen开始改的。DeepSeek的R1、V3、智谱AI的GLM系列、月之暗面的Kimi K2等模型都在Hugging Face上获得了极高的热度。此外，百度、字节跳动、MiniMax、阶跃星辰、百川智能、昆仑万维、商汤等都曾在此平台上发布或开放模型。

模型之外，Hugging Face一直在往机器人方向发展。

2025年10月，它与中国具身智能公司原力灵机联合发起RoboChallenge——一个面向机器人模型的大规模真机评测平台。所谓真机评测，并不是在模拟环境中进行评分，而是直接让模型操控真实机械臂完成插花、制作三明治等任务，看它到底能不能在实际生活中发挥作用。

根据其发布的年度报告，平台上已经部署了UR5、Franka、ARX5、ALOHA等20台真机测试集群，总共执行了超4万次真机测试，并开源了包含30个标准任务的Table30数据集。2025年底，双方进一步联合智源研究院、智元机器人、Qwen、星海图、自变量、清华大学、西安交通大学及 GOSIM 等机构，正式成立 RoboChallenge 组委会，推动真机测评走向标准化。

Hugging Face正在从一个模型社区，嵌入机器人研发的整个链条。这恰好撞上了中国最火的一波机器人浪潮。

8月22日，第二届世界人形机器人运动会在北京国家速滑馆“冰丝带”开幕。本届赛事共有来自16个国家的666支队伍、2056台机器人参赛，队伍数量较首届增长138%。真正的看点是机器人已全面刷新人类的田径纪录——短跑、中长跑到跳高，多个项目成绩优于人类世界纪录保持者。

作为去年首届人形机器人运动会的观众，笔者的感受是：进步是肉眼可见的。去年的开幕式，机器人主要还是在台上走秀和才艺展示；今年开幕式上，已经能看到机器人和真人对打网球、乒乓球——虽然离真正的竞技水平还有差距，但至少已经能完成一来一回的人机互动。

更值得关注的是，大赛规则正在把机器人从“表演”推向“干活”。本届场景类赛事从6项增加到21项，机器人被放进家庭、酒店、工业、应急救援等九大真实场景完成任务；百米跑的完赛时限从3分钟压缩至1分钟；多项赛事开始取消人工遥控，全面转向由AI自主决策与全自主运行。

不过，问题依旧存在。就在上周举行的2026世界机器人大会（WRC）上，宇树科技创始人王兴兴直言，当前机器人虽然已经能够完成一些简单任务，但效率仍低于人工，更大的问题在于泛化能力不足——在固定场景中经过大量训练，成功率可以接近100%，但只要换一个物品或稍微改变环境，成功率就可能明显下降，新任务往往还需要重新训练。这也是当前具身智能面临的核心瓶颈。

而要把机器人从“能表演”推向“能干活”，靠的恰恰是海量数据，以及不断重复的训练和评测。

据Humanoids Daily报道，智库MERICS估算，一台工业人形机器人的成本仍在30万至50万元；国泰证券测算，机器人算上维护成本要降到约16万元，才可能替代一名年薪8万元的工人，并在两年内回本。工业机器人分析师Georg Stieler估计，今年生产的人形机器人中，可能有高达七成进了“数据工厂”——主要任务不是干活，而是通过遥操作和重复动作采集数据，再用这些数据训练模型。

机器人不在干活，而是在生产数据。而数据要变成能力，就需要一个地方汇总、共享、训练和评测。这恰好是Hugging Face卡住的位置。

结语

Hugging Face创始人Clément Delangue曾和联合创始人开过一个玩笑：希望有一天，Hugging Face能成为第一家带着emoji，而不是三个字母股票代码登陆纳斯达克的公司。

十年过去，钟还没敲，等来的却是一纸出售传闻。

回过头来看，2016年三个法国人做的聊天App没有成功，却无心插柳柳成荫，养出了大半个AI圈都离不开的地基。

而现在，它又正好站在最热门赛道的交汇处：一边，模型公司们你追我赶；另一边，机器人从跑、跳、表演，开始落地到真实场景。

模型会换，芯片会迭代，今天最火的公司也可能很快被下一个名字取代。但模型需要发布，数据需要共享，机器人需要训练和评测。买下Hugging Face，得到的或许不只是一个平台，而是全球AI世界里一张越来越重要的“路网”。